Path: Top > S2-Theses > Electrical Engineering-STEI > 2008

PENGKODEAN KUANTISASI VEKTOR CITRA MEDIS BERWARNA MENGGUNAKAN K-MEANS & FUZZY C-MEANS: CITRA RETINA dan KATARAK

COLOR MEDICAL IMAGE VECTOR QUANTIZATION CODING USING K-MEANS & FUZZY C-MEANS: RETINAL AND CATARACT IMAGE

Master Theses from JBPTITBPP / 2017-09-27 15:37:36
Oleh : AGUNG WAHYU SETIAWAN (NIM 23206023), Central Library Institute Technology Bandung
Dibuat : 2008, dengan 7 file

Keyword : Vector quantization, k-means, fuzzy c-means, color medical image, retinal image, cataract image, RGB, YUV, HSV, YIQ

Citra retina dan katarak adalah salah satu bentuk data yang digunakan oleh dokter untuk melakukan dianosis. Untuk melakukan pengiriman citra ini diperlukan waktu cukup lama karena ukuran citranya besar dan jaringan telekomunikasi di Indonesia masih belum memadai untuk melakukan pengiriman citra. Disamping itu, penyimpanan citra akan memerlukan ruang yang lebih besar. Oleh karena itu, citra retina dan citra katarak perlu dikodekan/dikompresi. Metoda pengkodean yang digunakan pada penelitian ini adalah kuantisasi vektor. Pengkodean kuantisasi vektor ini menggunakan k-means dan fuzzy c-means. Model warna yang digunakan adalah RGB, YUV 4:4:4, YUV 4:2:0, HSV, dan YIQ. Masing-masing kanal citra berwarna ini dipisah, kemudian dikodekan kuantisasi vektor, sehingga diperoleh kanal citra terkode. Untuk memperoleh citra terkode berwarna, kanal citra terkode ini digabung lagi. Sebelum dilakukan pengkodean kuantisasi vektor, terlebih dahulu dilakukan pembuatan buku kode. Untuk mendapatkan citra latih dengan corak/warna yang beragam, citra latih retina diperoleh dari empat buah potongan citra retina yang digabung menjadi satu citra utuh. Sedangkan citra latih katarak diperoleh dari dua buah potongan citra katarak yang digabung menjadi satu citra utuh. Pembuatan citra latih ini dilakukan karena pembuatan buku kode memerlukan sumber daya komputasi yang besar. Pembuatan buku kode dengan fuzzy c-means juga memerlukan sumber daya komputasi yang lebih besar daripada k-means. Oleh karena itu, citra latih pembuatan buku kode dengan fuzzy c-means perlu dimodifikasi. Modifikasi yang dilakukan adalah membagi citra menjadi 16 bagian sehingga diperoleh subcitra sebanyak 16. Vektor-vektor latih dari 16 subcitra ini dikelompokkan menggunakan FCM dan akan dihasilkan sub buku kode berjumlah 16. Sub buku kode ini disatukan sebagai satu buah vektor latih baru dan dikelompokkan lagi menggunakan FCM untuk mendapatkan buku kode yang lengkap. Model warna RGB kombinasi 444 (kanal merah, hijau, dan biru dikodekan 4 × 4) menghasilkan kualitas citra retina dan katarak terkode yang paling baik, secara obyektif maupun subyektif. Untuk aplikasi teleoftalmologi dan electronic medical records, model warna yang paling optimal untuk citra retina adalah YUV 4:2:0 dan RGB kombinasi 848, sedangkan untuk citra katarak adalah YUV 4:2:0. Kinerja metoda k-means untuk pengkodean kuantisasi vektor citra medik berwarna, citra retina dan katarak, lebih baik dibandingkan dengan FCM.

Deskripsi Alternatif :

Retinal and cataract images play an important role in supporting medical diagnosis. Digital retinal and cataract images usually are represented in such a large data volume that efforts to access and display it takes a considerable amount of time. Digital medical image compression therefore become crucial in medical image transfer and its storage in electronic database server. This master thesis is concerned with the development of a color medical image coding scheme using vector quantization. K-means and fuzzy c-means are clustering techniques that are applied to create codebook in vector quantization (VQ) coding. This research investigates the performance of each of these clustering techniques in 5 color models: RGB, YUV 4:4:4. YUV 4:2:0, HSV and YIQ. The VQ coding scheme is conducted separately to image components in each channel of the color models. Reconstructed color image is obtained by combining the VQ decoding result of each image components. The VQ coding performance relies on the quality of the utilized code book. The VQ code book used in this research was developed from two kinds of training images, i.e. the retinal image and the cataract image. The retinal image was processed as a set of four quarter-images while the cataract image was processed as a set of two half-images. This special treatment is required to cope with the large computational load of the VQ code book generation, while ensuring the incorporation of the color and texture diversity of the training set in the resulted code book. Since fuzzy-c-means clustering technique is computationally more expensive than the k-means technique, a specific modification to the FCM is required. In this research, the fuzzy-c-means clustering is done separately to 16 equally-sized subimages to create 16 sub-code books. Training vectors from these 16 sub-code books are then unified as one single set of training data for a complete code-book generation. The RGB 444 color mode (coding of the red, green, and blue channels by the size of 4x4) produces the best subjective and objective quality of image coding. However, the optimum color models for teleophthalmology and electronic medical records are the YUV 4:2:0 and RGB 848 for retinal image, and YUV 4:2:0 for cataract image. Overall, the performance of k-means clustering technique is better than the FCM for color medical images, retinal, and cataract images.

Copyrights : Copyright Â(c) 2001 by ITB Central Library. Verbatim copying and distribution of this entire article is permitted by author in any medium, provided this notice is preserved.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiC
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing: Prof. Dr. Ir. Tati L.R. Mengko dan Andriyan Bayu Suksmono, PhD, Editor: Vika A. Kovariansi

File PDF...